STM32水质水位监测系统设计与实现

1. 项目概述：水位水质监控系统的现实意义

在工业生产和环境监测领域，水位和水质数据的实时采集一直是个经典课题。传统的人工采样方式存在效率低、数据不连续、响应滞后等问题。我去年指导的一个毕业设计项目，采用STM32单片机为核心，构建了一套低成本、高可靠的水质水位监测系统，实测采样间隔可达到10秒/次，数据通过4G模块上传云端，实现了监测点的无人化值守。

这个系统的核心价值在于将物理传感技术、嵌入式开发和物联网传输有机结合。水位监测选用超声波传感器，水质参数则通过多探头阵列采集，包括pH值、浊度、溶解氧等关键指标。所有数据经单片机处理后，既可在本地LCD屏显示，又能通过移动网络同步到远程服务器。这种设计特别适合水库、污水处理厂、水产养殖等场景的长期监测需求。

2. 系统架构设计与硬件选型

2.1 核心控制器方案对比

我们对比了三种主流方案：

1. 51单片机：成本最低（约5元），但处理能力有限，难以应对多传感器并行采集
2. STM32F103C8T6：Cortex-M3内核，72MHz主频，自带12位ADC，市场价约12元
3. ESP32：集成WiFi/蓝牙，但工业环境下的无线稳定性存疑

最终选择STM32主要基于三点考量：

• 需要同时处理4路模拟信号（pH、浊度等）
• 要驱动800*480分辨率的LCD屏
• 系统需长期运行在-20℃~60℃环境

2.2 传感器选型关键参数

特别注意：pH探头需要定期校准（建议每周一次），浊度传感器要避免阳光直射，否则读数会漂移。

2.3 通信模块选型要点

考虑到监测点往往位于偏远区域，我们放弃了WiFi方案，测试了三种远程传输方案：

1. SIM800C GSM模块：2G网络覆盖广但部分地区已退网
2. EC20 4G模块：支持LTE Cat4，实测功耗约120mA@5V
3. NB-IoT模块：低功耗但依赖基站部署

最终选用EC20模块是因为：

• 支持TCP/IP透传
• 内置PPP协议栈
• 提供AT指令控制
• 移动/联通/电信三网兼容

3. 核心电路设计细节

3.1 电源管理电路设计

系统需要为不同部件提供三种电压：

• 3.3V（STM32核心）
• 5V（传感器）
• 12V（部分工业级传感器）

采用两级转换方案：

c复制[12V铅酸电池] → [LM2596降压到5V] → [AMS1117-3.3稳压]

关键设计点：

• 电池反接保护：1N4007二极管
• 浪涌防护：TVS管P6KE15A
• 滤波：每级输出接100μF电解+0.1μF陶瓷电容

3.2 传感器接口电路

pH传感器需要特殊处理：

1. 信号调理：OP07运放搭建的同相放大器（增益=2）
2. 低通滤波：RC网络（截止频率10Hz）
3. 电压跟随：防止ADC采样影响信号

超声波模块的软件消抖算法：

c复制#define SAMPLE_TIMES 5
uint32_t GetDistance(){
  uint32_t sum=0;
  for(uint8_t i=0;i<SAMPLE_TIMES;i++){
    sum += HCSR04_Read();
    delay_ms(20);
  }
  return sum/SAMPLE_TIMES;
}

3.3 抗干扰设计实录

在污水处理厂实测时遇到信号干扰问题，通过三项改进解决：

1. 所有模拟信号线改用屏蔽双绞线
2. ADC基准电压端并联4.7μF钽电容
3. 软件上采用中位值平均滤波法

4. 软件架构与关键算法

4.1 主程序流程图

c复制void main(){
  Hardware_Init();
  while(1){
    if(Flag_10s){  // 10秒定时器触发
      Flag_10s = 0;
      Read_Sensors();
      Process_Data();
      Display_Update();
      if(Flag_Upload) Send_To_Cloud();
    }
    Handle_UART();  // 处理AT指令响应
  }
}

4.2 水质参数补偿算法

pH值需要温度补偿：

c复制float Get_Real_pH(float raw_pH, float temp){
  // 温度补偿公式
  return raw_pH / (1 + 0.003*(temp-25)); 
}

浊度传感器的非线性校正：

c复制// 使用查表法+线性插值
const float Turbidity_Table[] = {0,50,100,200,500,1000}; // NTU
const float ADC_Table[] = {0.1,0.8,1.5,2.2,3.3,4.5};    // V

float Get_Turbidity(float adc_val){
  for(uint8_t i=0;i<5;i++){
    if(adc_val>=ADC_Table[i] && adc_val<=ADC_Table[i+1]){
      return Turbidity_Table[i] + (adc_val-ADC_Table[i]) * 
             (Turbidity_Table[i+1]-Turbidity_Table[i]) / 
             (ADC_Table[i+1]-ADC_Table[i]);
    }
  }
  return 0;
}

4.3 数据包协议设计

云端通信采用自定义紧凑协议：

code复制[HEAD][LEN][TIMESTAMP][DATA...][CRC]

• HEAD: 0xAA 0x55
• LEN: 数据域长度
• DATA: 各传感器值（float类型，4字节）
• CRC: CRC16-CCITT校验

示例代码：

c复制void Pack_Data(){
  uint8_t buf[32];
  buf[0] = 0xAA;  // HEAD
  buf[1] = 0x55;
  buf[2] = 16;    // LEN
  
  memcpy(&buf[3], &sensor_data, 16); // 4个float
  
  uint16_t crc = Calc_CRC16(buf, 19);
  buf[19] = crc >> 8;
  buf[20] = crc & 0xFF;
}

5. 云端监控平台搭建

5.1 服务器端架构

采用经典三层架构：

1. 接入层：TCP服务端（C++编写）接收设备数据
2. 处理层：MySQL存储原始数据，Redis缓存实时值
3. 展示层：Web前端（Vue.js+ECharts）可视化

关键数据库表结构：

sql复制CREATE TABLE `water_data` (
  `id` bigint NOT NULL AUTO_INCREMENT,
  `device_id` varchar(32) NOT NULL,
  `timestamp` datetime NOT NULL,
  `water_level` float DEFAULT NULL,
  `ph_value` float DEFAULT NULL,
  `turbidity` float DEFAULT NULL,
  `oxygen` float DEFAULT NULL,
  PRIMARY KEY (`id`),
  INDEX `idx_device_time` (`device_id`, `timestamp`)
) ENGINE=InnoDB;

5.2 异常检测算法

基于滑动窗口的突变检测：

python复制def detect_anomaly(data, window_size=10, threshold=3):
    rolling_mean = data.rolling(window=window_size).mean()
    rolling_std = data.rolling(window=window_size).std()
    upper_bound = rolling_mean + threshold * rolling_std
    lower_bound = rolling_mean - threshold * rolling_std
    return (data > upper_bound) | (data < lower_bound)

6. 系统调试与优化实录

6.1 现场安装注意事项

1. 水位传感器安装：

   • 超声波探头距水面0.3-3米为佳
   • 避免安装在有泡沫或剧烈波动区域
   • 探头轴线应与水面垂直

2. 水质传感器维护：

   • pH电极每月需用3mol/L KCl溶液浸泡
   • 浊度传感器光学窗口每周用软布清洁
   • 溶解氧探头需保持透气膜湿润

6.2 功耗优化技巧

通过三项改进使待机功耗从85mA降至12mA：

1. 传感器分时供电（MOS管控制）
2. STM32进入STOP模式（RTC唤醒）
3. 4G模块启用PSM模式（eDRX=20.48s）

关键代码：

c复制void Enter_Low_Power(){
  HAL_GPIO_WritePin(SENSOR_PWR_GPIO, SENSOR_PWR_PIN, GPIO_PIN_RESET);
  HAL_UART_DeInit(&huart1);  // 关闭串口
  HAL_ADC_DeInit(&hadc1);    // 关闭ADC
  
  // 配置RTC唤醒
  HAL_RTCEx_SetWakeUpTimer_IT(&hrtc, 4096, RTC_WAKEUPCLOCK_RTCCLK_DIV16);
  
  // 进入STOP模式
  HAL_PWR_EnterSTOPMode(PWR_LOWPOWERREGULATOR_ON, PWR_STOPENTRY_WFI);
  
  // 唤醒后重新初始化
  SystemClock_Config();
  MX_GPIO_Init();
  MX_USART1_UART_Init();
}

6.3 典型问题排查指南

7. 项目扩展方向

在实际部署后，我们发现了三个有价值的改进点：

1. 太阳能供电系统：为偏远监测点增加10W太阳能板+18650电池组，阴雨天可续航7天

2. 边缘计算能力：在STM32上实现简单的LSTM预测算法，提前预警水质恶化趋势

3. LoRa中继组网：针对无4G信号的区域，采用LoRa模块将数据接力传输到有网络的位置

一个实用的水质预测算法示例：

python复制# 简化的LSTM预测模型
from keras.models import Sequential
from keras.layers import LSTM, Dense

model = Sequential()
model.add(LSTM(50, input_shape=(30, 4))) # 30个历史时间步，4个特征
model.add(Dense(4))  # 预测4个水质参数
model.compile(loss='mse', optimizer='adam')

这个项目从设计到部署共耗时4个月，期间最大的收获是认识到工业现场环境远比实验室复杂。比如在污水处理厂，传感器要经受酸碱腐蚀、湿度变化、电磁干扰等多重考验。我们的第三版电路板才最终达到稳定运行标准——增加三防漆涂层、改用工业级接插件、优化接地设计等措施缺一不可。